本文關(guān)鍵詞：時空流計算模型及其在邊緣計算環(huán)境下的驗證　出處：《浙江大學(xué)》2017年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 時空流數(shù)據(jù) 移動對象 計算速率 空間大數(shù)據(jù) 邊緣計算

【摘要】：近年來,移動傳感器和無線網(wǎng)絡(luò)的迅猛發(fā)展催生了大量帶有地理空間信息的移動數(shù)據(jù),這些移動數(shù)據(jù)具有持續(xù)到達(dá)、內(nèi)容無限增長的流質(zhì)特征,被稱為時空流數(shù)據(jù)。由于時空流數(shù)據(jù)具有上述特點,傳統(tǒng)的空間數(shù)據(jù)庫的理論技術(shù)方法難完成實時計算,時空流數(shù)據(jù)的實時處理、分析、挖掘成為了國內(nèi)外GIS的研究的熱點和難點。時空流的計算速率表示單位時間內(nèi)所處理流數(shù)據(jù)元組的數(shù)出量,是評價時空流處理方法優(yōu)劣的重要標(biāo)準(zhǔn)。本文圍繞如何提高時空流數(shù)據(jù)實時處理的計算速率問題,從模型表達(dá)、數(shù)據(jù)組織、查詢優(yōu)化等方面出發(fā),構(gòu)建基于基調(diào)代數(shù)的移動對象流質(zhì)數(shù)據(jù)模型,設(shè)計應(yīng)對頻繁更新時空流概要數(shù)據(jù)結(jié)構(gòu),并提出利用邊緣計算框架的流式空間大數(shù)據(jù)分布式空間計算方法,從而建立一套包含時空流數(shù)據(jù)模型表達(dá)、空間算法實現(xiàn)和時空流大數(shù)據(jù)并行化、邊緣計算環(huán)境下時空流中心分散化處理的理論、技術(shù)、方法體系,為提高時空流計算速率提供一套完整的解決方案。本文的具體研究內(nèi)容如下:(1)詳細(xì)闡述基調(diào)代數(shù)表達(dá)方法,分析基調(diào)代數(shù)表達(dá)的移動對象抽象數(shù)據(jù)模型類型體系和操作算子,區(qū)分了離線數(shù)據(jù)和在線數(shù)據(jù)兩種數(shù)據(jù)類型,提出從離線移動抽象數(shù)據(jù)類型向在線時空流數(shù)據(jù)類型的提升方法,構(gòu)建時空流數(shù)據(jù)模型。(2)針對無約束空間和路網(wǎng)約束條件下移動對象運動特征,設(shè)計兩種不同抽象數(shù)據(jù)模型離散化方法。為了達(dá)到提高時空流更新、查詢計算速率的目的,無約束空間下,在傳統(tǒng)空間索引的基礎(chǔ)上添加二級索引完成自底向上更新方式;路網(wǎng)約束空間下,設(shè)計相應(yīng)的路網(wǎng)節(jié)點、邊界表并提出基于更新消息的CKNN算法,最終分別實現(xiàn)路網(wǎng)約束空間和無約束空間下的時空流數(shù)據(jù)概要數(shù)據(jù)結(jié)構(gòu)設(shè)計。實驗結(jié)果表明,無約束環(huán)境下,空間驅(qū)動型空間索引(網(wǎng)格索引)比數(shù)據(jù)驅(qū)動型空間索引(R樹索引)具有較高的計算速率,更加適合移動對象的頻繁更新;路網(wǎng)約束環(huán)境下,本文提出的UCKNN算法與IMA算法和CKNN算法相比具有更高的計算輸出率。(3)針對移動對象單數(shù)據(jù)集內(nèi)部空間查詢(范圍查詢、鄰近查詢)和多數(shù)據(jù)集之間的空間計算(空間連接查詢),提出兩種時空流大數(shù)據(jù)分布式計算方案,探索影響時空流數(shù)據(jù)處理計算速率的多個因素并驗證方案的可行性,以提高時空流數(shù)據(jù)計算速率。實驗證明,應(yīng)用四叉樹作為二級索引,在不同的分區(qū)網(wǎng)格大小、移動對象數(shù)量以及不同比例下的更新、查詢混合流都具有較好的計算速率。(4)針對時空流數(shù)據(jù)源地理分布廣泛產(chǎn)生的大量網(wǎng)絡(luò)寬帶消耗問題,指出傳統(tǒng)云中心處理模式在實時計算上的不足引入邊緣計算模式,基于此將邊緣集群部署于北京、杭州、鄭州和湖州四地,從網(wǎng)絡(luò)傳輸效率、邊緣集群數(shù)量和本地、全局任務(wù)比例等多個角度進(jìn)行時空流處理計算速率的探索性實驗,進(jìn)一步探究在邊緣計算模式下時空流實時處理的計算速率變化規(guī)律。研究及結(jié)果表明,本文提出的時空流抽象數(shù)據(jù)模型能夠表達(dá)通用的時空流數(shù)據(jù)對象表達(dá)、移動對象空間索引能應(yīng)對移動對象高度頻繁的數(shù)據(jù)更新、時空流分布式處理方法能在大數(shù)據(jù)環(huán)境下實時完成空間數(shù)據(jù)計算、邊緣計算范式下的時空流實時處理方案能有效的解決地域分布廣泛的數(shù)據(jù)源產(chǎn)生的時空流數(shù)據(jù)的快速處理問題,具有重要的科學(xué)和現(xiàn)實意義。
[Abstract]:In recent years, the rapid development of mobile and wireless sensor network has spawned a lot with the geographic spatial information mobile data, these mobile data has continued to reach the infinite growth characteristics of liquid content, known as spatial data stream. Due to the space-time data stream has the above characteristics, methods of traditional spatial database to complete the real-time calculation. The temporal and spatial flow of real-time processing, data analysis, data mining has become a hot and difficult research of GIS at home and abroad. The calculation flow rate time per unit of time the data tuple number output, is an important standard to evaluate the merits of the time stream processing method. This paper focuses on how to improve the computing speed problem of temporal and spatial flow of real-time data processing from the model, expression, data organization, query optimization of construction of mobile object data model based on liquid tone algebra, designed to deal with frequent more A new spatial stream synopsis data structure, and puts forward the calculation method of frame flow space of large distributed data space by edge, so as to establish a spatio-temporal data model includes flow algorithm and expression of spatial temporal and spatial flow of large data parallel computing environment, the edge of space-time flow center decentralized treatment theory, technology, method and system for. To improve the temporal and spatial flow to provide a complete set of solutions for computing rate. The main research contents of this paper are as follows: (1) detailed tone algebraic expression method, analysis of moving object algebra expression tone abstract data model and type system of operators, the distinction between the offline data and online data of two data types, put forward methods from the offline mobile abstract data type flow data types to the online space, build the spatio-temporal data stream models. (2) for unconstrained and constrained space network under the condition of moving objects The motion characteristic of two kinds of abstract data model discretization method. In order to improve the temporal and spatial flow update, query computation rate, unconstrained space, add two level index based on traditional spatial index on the bottom-up update mode; network space constraints, design the network node corresponding to the boundary table CKNN algorithm is proposed based on the update message, finally realized respectively the time-space road network constrained space and unconstrained space flow design data summary data structure. The experimental results show that the unconstrained environment, space driven spatial index (grid index) than the data driven spatial index (R index) to calculate the rate is higher that is more suitable for frequent updates of moving objects; network environment constraints, the proposed UCKNN algorithm compared with IMA algorithm and the CKNN algorithm has higher calculation output rate. (3) for moving objects A single data set internal spatial query (range query, nearest neighbor query) calculation and between multiple data sets of space (spatial join query), put forward two kinds of temporal and spatial flow of big data distributed computing scheme, explore the various factors affecting the flow rate of the spatiotemporal data processing and calculation and validate the feasibility of the project, in order to improve the spatial data flow calculation speed. Experiments show that the application of the four fork tree as the two level index, the partition grids of different sizes, the number of moving objects and update under different proportion, has better query rate calculation of mixed flow. (4) a large number of broadband network according to the geographical distribution of temporal and spatial flow of data sources from consumption problems, points out the deficiency of the traditional cloud processing center the model calculation in real-time using edge computing model, based on the edge of the cluster deployment in Beijing, Hangzhou, Zhengzhou and Huzhou four, the network transmission efficiency, the number of clusters and the edge Land, space and time stream processing experiments calculated by the rate of the angles of the global task scale, to further explore the calculation of rate changes in numerical model of temporal and spatial flow of real-time processing in the edge of the research and the results show that the proposed space-time flow model can be used to express the abstract data flow data object expression of general temporal, spatial indexing of moving objects to cope with the highly frequent updates of moving objects, temporal and spatial flow of distributed processing method in the environment of big data, real-time spatial data, temporal edge computing paradigm under the flow of real-time processing scheme can quickly deal with the problem of space and time to produce effectively solve the geographical distribution of a wide range of data sources of data streams, has important scientific and practical meaning.

【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TP311.13;P208

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉磊;李靖;盧秀山;韓曉冬;;基于組合通訊方案的移動對象管理系統(tǒng)[J];測繪科學(xué);2008年01期

2 喬少杰;;動態(tài)環(huán)境感知的移動對象不確定性軌跡預(yù)測關(guān)鍵技術(shù)研究[J];學(xué)術(shù)動態(tài);2012年04期

3 張恒才;陸鋒;陳潔;;移動對象時空軌跡及社交關(guān)系一體化數(shù)據(jù)模型[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2014年06期

4 陳碧宇;陳曉玲;陳慧萍;王長海;;網(wǎng)絡(luò)中移動對象的2維時空數(shù)據(jù)模型[J];測繪學(xué)報;2007年03期

5 張延玲;李琪;姜保慶;;移動對象軌跡索引技術(shù)研究[J];地理空間信息;2009年01期

6 許林;李清泉;楊必勝;;一種基于道路網(wǎng)的移動對象的位置索引與鄰近查詢方法[J];測繪學(xué)報;2010年03期

7 潘海珠;;空間網(wǎng)絡(luò)移動對象范圍監(jiān)視查詢算法研究[J];科技通報;2012年05期

8 費蓉;胡博;;一種時變的隨機馬氏移動對象行為仿真模型[J];系統(tǒng)仿真學(xué)報;2012年09期

9 苗蕾;;移動對象時空數(shù)據(jù)建模的研究[J];測繪通報;2008年07期

10 陳浩然;龔育昌;岳麗華;金培權(quán);;面向移動對象范圍的混合索引結(jié)構(gòu)[J];中國科學(xué)技術(shù)大學(xué)學(xué)報;2010年02期

相關(guān)會議論文 前10條

1 翁敬農(nóng);;移動對象及其時空模型的研究[A];中國地理信息系統(tǒng)協(xié)會第九屆年會論文集[C];2005年

2 張偉;皮德常;;挖掘移動對象的頻繁運動模式[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

3 曹會萍;丁治明;王珊;孟小峰;;移動對象管理的自適應(yīng)索引方法[A];第十八屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2001年

4 胡志智;孟小峰;郭研妍;李本釗;陳繼東;;基于模擬預(yù)測的移動對象位置主動更新策略[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

5 陳濱;丁治明;紀(jì)鵬程;;基于動態(tài)交通網(wǎng)絡(luò)的移動對象的索引[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2006年

6 王波濤;陳賀;馬俊;喜連川優(yōu);王國仁;;基于區(qū)域覆蓋的移動對象索引的設(shè)計與實現(xiàn)[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（A輯）[C];2009年

7 涂丹丹;向琳;左德承;楊孝宗;;移動對象數(shù)據(jù)庫管理技術(shù)[A];黑龍江省計算機學(xué)會2007年學(xué)術(shù)交流年會論文集[C];2007年

8 白蕓;孟小峰;丁銳;楊楠;胡志智;;基于移動對象流的道路索引[A];第二十屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2003年

9 劉小峰;陳傳波;劉云生;;移動對象全局K最接近鄰居查詢研究[A];2007年全國開放式分布與并行計算機學(xué)術(shù)會議論文集(上冊)[C];2007年

10 趙亮;陳犖;景寧;鐘志農(nóng);;一種高效的移動對象連續(xù)多范圍查詢處理框架[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）[C];2009年

相關(guān)重要報紙文章 前9條

1 中國人民大學(xué)信息學(xué)院 孟小峰 丁治明;讓數(shù)據(jù)跟隨你移動[N];計算機世界;2001年

2 中國人民大學(xué)信息學(xué)院 郝興;移動數(shù)據(jù)管理待補課[N];中國計算機報;2008年

3 牛澤亞;用戶如何在數(shù)據(jù)空間里“被遺忘”？[N];人民郵電;2014年

4 風(fēng)格;指引大數(shù)據(jù)未來發(fā)展方向的九大真理[N];中華讀書報;2013年

5 錄音整理 本報記者 劉文強 楊豐源;創(chuàng)新驅(qū)動，奮力奔向大數(shù)據(jù)時代[N];貴陽日報;2014年

6 中國人民大學(xué)信息學(xué)院 李玉坤;云計算與數(shù)據(jù)空間[N];中國計算機報;2008年

7 整理 本報記者 蘇丹丹;把握大數(shù)據(jù)機遇 推動文化產(chǎn)業(yè)跨越發(fā)展[N];中國文化報;2013年

8 ;Word中的“微調(diào)”技術(shù)[N];中國計算機報;2005年

9 安徽國稅局 趙為民;稅務(wù)綜合數(shù)據(jù)平臺的設(shè)想[N];計算機世界;2007年

相關(guān)博士學(xué)位論文 前10條

1 鄭曄;時空流計算模型及其在邊緣計算環(huán)境下的驗證[D];浙江大學(xué);2017年

2 吳佩莉;移動對象軌跡數(shù)據(jù)管理關(guān)鍵技術(shù)研究[D];北京理工大學(xué);2015年

3 楊彬;室內(nèi)移動對象的數(shù)據(jù)管理[D];復(fù)旦大學(xué);2010年

4 葉李;移動對象數(shù)據(jù)庫查詢及處理技術(shù)研究[D];電子科技大學(xué);2011年

5 張恒飛;空間數(shù)據(jù)庫中移動對象位置管理技術(shù)研究[D];華中科技大學(xué);2012年

6 方穎;移動對象數(shù)據(jù)庫中移動對象索引方法研究[D];武漢大學(xué);2010年

7 廖巍;面向位置服務(wù)的移動對象索引與查詢處理技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2007年

8 陳楠;時空數(shù)據(jù)庫中移動對象的索引和查詢技術(shù)研究[D];浙江大學(xué);2010年

9 趙亮;面向位置服務(wù)的移動對象并發(fā)查詢處理技術(shù)[D];國防科學(xué)技術(shù)大學(xué);2010年

10 張鳳荔;移動對象數(shù)據(jù)智能處理模型研究[D];電子科技大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 黃川林;室內(nèi)移動對象軌跡分析研究[D];中國科學(xué)技術(shù)大學(xué);2014年

2 王夢冉;蜂窩網(wǎng)中基于頻繁軌跡的越區(qū)切換算法研究[D];西南交通大學(xué);2015年

3 金琨;不確定環(huán)境下移動對象軌跡模式挖掘及路徑規(guī)劃研究[D];西南交通大學(xué);2015年

4 易顯天;面向位置服務(wù)的道路網(wǎng)絡(luò)下的汽車索引技術(shù)研究[D];電子科技大學(xué);2015年

5 畢彥博;優(yōu)化的基于Voronoi圖的移動對象K近鄰查詢算法的研究與實現(xiàn)[D];東北大學(xué);2013年

6 孫清清;面向移動對象間狀態(tài)查詢優(yōu)化算法的研究與實現(xiàn)[D];東北大學(xué);2013年

7 楊雨;面向GPS的移動對象軌跡模式挖掘研究[D];東北大學(xué);2014年

8 張盼盼;融合復(fù)合特征的移動軌跡預(yù)測方法的研究與實現(xiàn)[D];西安電子科技大學(xué);2014年

9 吳昊;基于路網(wǎng)的移動對象位置管理關(guān)鍵技術(shù)研究[D];南京郵電大學(xué);2015年

10 翟婷;基于路網(wǎng)感知的時空軌跡聚類算法研究[D];中北大學(xué);2016年

，

本文編號：1395793